Katları uydur
Artık verini katlara böldüğüne göre, bunları model eğitimi ve her bir modelin örnek-dışı hatasını hesaplamak için kullanma zamanı. Böylece, model beliriminin performansı için dengeli bir tahmin elde edersin; çünkü onu birden çok kez örnek-dışı değerlendirdin.
Çalışma alanında, son egzersizde oluşturduğun chocolate_folds (çikolata eğitim setinin 10 katı) sağlanmıştır.
Bu egzersiz, kursun bir parçasıdır
R ile Ağaç Tabanlı Modellerle Machine Learning
Egzersiz talimatları
- Hâlâ yapabildiğini göster:
"rpart"motorunu kullanan bir regresyon ağacı belirimi olantree_specoluştur. fit_resamples()kullanarak katlarınıtree_specile uygula;final_grade'i diğer tüm yordayıcılarla modelle ve hem MAE hem de RMSE ile değerlendir.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Create a specification
tree_spec <- ___ %>%
___
___
# Fit all folds to the specification
fits_cv <- ___(tree_spec,
___,
resamples = ___,
metrics = ___)
fits_cv